基于AI异物检测的正位X线胸片质控模型应用研究

摘要：

目的:利用深度学习技术建立影像质控分类算法模型,提高对X线胸片异物的检出效能.方法:利用深度学习卷积神经网络ResNet-50开发全自动正位X线胸片影像异物检测模型,实现正常X线胸片影像与存有异物影像的分类,并通过热力图的形式显示具体质控识别点的位置和范围.结果:该模型在验证集的准确率达96.9％,AUC为0.994(95％CI:0.993～0.995),采用AI辅助质控对每张X线胸片进行分类的速度较人工质控快10倍.结论:模型的准确性、速度和轻量级架构使得该模型适合嵌入医院PACS系统中进行质量控制管理.

关键词：医学影像、质量控制、异物检测

所属期刊栏目：17

分类号：R319(医用一般科学)

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：32-37